CN110375751A - 一种自动驾驶实时导航系统架构 - Google Patents

一种自动驾驶实时导航系统架构 Download PDF

Info

Publication number
CN110375751A
CN110375751A CN201910691916.9A CN201910691916A CN110375751A CN 110375751 A CN110375751 A CN 110375751A CN 201910691916 A CN201910691916 A CN 201910691916A CN 110375751 A CN110375751 A CN 110375751A
Authority
CN
China
Prior art keywords
vehicle
automatic pilot
real
ddx
navigation system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910691916.9A
Other languages
English (en)
Inventor
陈刚
胡学东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Robot Technology Co Ltd
Original Assignee
Suzhou Robot Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Robot Technology Co Ltd filed Critical Suzhou Robot Technology Co Ltd
Priority to CN201910691916.9A priority Critical patent/CN110375751A/zh
Publication of CN110375751A publication Critical patent/CN110375751A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)

Abstract

本发明涉及汽车自动驾驶领域，具体地说，就是一种自动驾驶实时导航系统架构，DDX层为中间层，车辆层为底层，导航层为顶层，本发明为自动驾驶提供了一个系统的软件解决方案，提高了软件开发效率，中间层提供一种有效的通信机制，实现多个进程间的数据共享，并且使用UDP/IP通信协议来确定不同存储介质中包含信息的一致性，车辆层提供一种虚拟仿真车辆设计基于模拟器仿真引擎，允许对车辆、传感器及其环境进行仿真，方便在动态环境中进行自动驾驶算法的设计和测试，其中，路径规划算法同时兼备实时性与安全性提高了自动驾驶的安全性。

Description

一种自动驾驶实时导航系统架构
技术领域
本发明涉及汽车自动驾驶领域，具体地说，就是一种自动驾驶实时导航系统架构。
背景技术
随着计算机，微电子技术的快速发展，智能车辆技术的开发越来越快，智能程度也越来越高，应用的范围也得到了极大的扩展。
针对自动驾驶的安全问题，目前大多数的动态反馈性方法都面临着一个主要的挑战：动态环境下的运动安全性并没有得到保证；针对自动驾驶软件开发效率问题，目前很多传统汽车厂商使用集中式软件开发模式，该模式不利于程序的调试以及软件的开发。
发明内容
为了解决上述问题，本发明提供了一种同时兼备实时性与安全性的路径规划算法，提高了自动驾驶的安全性；针对自动驾驶软件开发效率问题，提出了一套自动驾驶框架，极大的提高了软件开发效率。
为了达到上述目的，本发明披露的技术方案具体如下：
一种自动驾驶实时导航系统架构，包括发布层/订阅层(DDX层)、车辆层、导航层，DDX层为中间层，车辆层为底层，导航层为顶层。
本发明的进一步改进，DDX层包括地理信息系统、DDX存储中心，其中，DDX层中使用UDP/IP通信协议，DDX存储中心包括四种数据结构，主要与车体车辆或其所处环境相关：
1)车辆相关：
状态：编码器值，车轮速度等；
指令：执行器命令(速度、转向角度)；
位姿：车辆的位置和方向。
2)地标：观察到的显著环境特征地标位置，主要用于绝对定位。
3)轨迹：车辆要执行的标称轨迹。表示为一对(状态，时间)序列。
4)移动对象：环境中观察到的运动对象，其特征包括形状、位置、方向和速度。
表1表达了不同导航模块如何使用以上数据结构。定位过程中使用的GIS数据是地标位置；世界模型建立从GIS中得到道路几何形状信息；而未来模型是对当前环境状态描述加上移动对象未来运动的预测。
表1：导航模块使用数据结构说明表
DDX提供一种有效的通信机制，可以实现多个进程间的数据共享，并且使用UDP/IP通信协议来确定不同存储介质中包含信息的一致性，
本发明的进一步改进，车辆层包括实时车辆状态、虚拟仿真车辆状态。
本发明的进一步改进，实时车辆采用轻型电动汽车，车辆可以使用操纵旋钮驱动，也可以实施计算机控制，车辆内部设置有GPS、IMU、摄像头、激光雷达、毫米波雷达，采用Ubuntu下的工控机对车辆进行整体控制。
本发明的进一步改进，系统内部设置有模拟器仿真引擎。
本发明的进一步改进，导航层包括世界模型、定位、运动规划和运动追踪模块。世界模型建立一个用于自动导航的车辆环境模型，GIS可以提供环境的静态信息，车载传感器提供动态信息，未来模型提供运动对象未来行为信息。其中：
1)静态信息
环境的先验静态信息，可以在地理信息系统(GIS)中得到。一般情况下，一个描绘环境的二维地图便可以实现自动导航；但除了二维地图，GIS包含的环境信息的地标也可用于定位；同时，运动规划模块利用GIS中包含的车道结构信息，可以计算出达到给定目标而遵循的路线。
2)动态信息
动态信息的检测主要取决于不同的外部感知传感器，涉及环境中的运动对象，如车辆、行人等。运动规划模块不仅需要这些运动物体的位置和形状，还需要它们的动力学信息，如线速度、角速度、加速度等，以及任何可以用来预测它们未来行为的信息。由于运动对象的信息由对应的传感器处理直接输出，运动追踪模块在车辆层进行，而不是导航层进行处理。
3)未来预测
运动规划需要对未来进行一定程度的推理、预测。在提出的体系架构中，运动预测依赖于行人和车辆不随机移动，即遵循典型的“运动模式”，这些“运动模式”可以在预测阶段学习并使用。
本发明的进一步改进，世界模型建立一个用于自动导航的车辆环境模型，所述车辆环境模型内部设置有GIS系统、车载传感器、未来模型。
本发明的进一步改进，定位模块使用车轮编码器数据和标准扩展卡尔曼滤波器，所述定位模块内部采用有三角测量计算方式，所述定位模块内部利用EKF方法将里程计相对定位与基于地标的绝对定位进行传感器融合。
本发明的进一步改进，运动规划模块与DDX存储中心、世界模块连接，所述运动规划模块内部设置为局部运动规划和不可避免碰撞状态。运动规划模块基于局部运动规划和不可避免碰撞状态，将世界模型提供的预测量作为输入，计算生成规划轨迹，并其存入DDX存储库中。
本发明的进一步改进，运动追踪模块与所述DDX存储器连接，运动追踪模块内部设置有特定的运动控制模型，进行自动驾驶车辆的精确控制。车辆状态定义为3元数组(x，y，θ)，控制定义为一个2元数组(v，ξ)。A的运动由以下运动方程控制：
运动追踪问题可以认为是追踪一个沿着给定轨迹运动的运动参照系，采用线性化的五阶动态模型设计控制器，将其在x、y轴上进行解耦。其中，轨迹追踪误差e＝(ex，ey)表示机器人当前位置与期望位置的偏差，eθ表示当前状态和参考系之间的航向角偏差，(υ*，ξ*)表示速度和转向角的参考值，预期的速度υc和转向角ξc按如下方式得到：
其中，kυ＝(kυ1，kυ2)，kξ＝(kξ1，kξ2，kξ3)；kυi(i＝1，2)、kξj(j＝1，2，3)是正标量，用来修正追踪误差。
本发明的有益效果：本发明为驾驶提供了一个系统的软件解决方案，提高了软件开发效率，中间层提供一种有效的通信机制，实现多个进程间的数据共享，并且使用UDP/IP通信协议来确定不同存储介质中包含信息的一致性，车辆层提供一种虚拟仿真车辆设计基于模拟器仿真引擎，允许对车辆、传感器及其环境进行仿真，方便在动态环境中进行自动驾驶算法的设计和测试，定位模块使用车轮编码器数据和标准扩展卡尔曼滤波器(EKF)实现里程计定位；将GIS中获得的先验地标数据与观测到的实时地标数据进行匹配，实现基于地标的定位；使用三角测量计算实时观测地标与先验地标的方位角，实现车辆航向角的测量；最后，利用EKF方法将里程计相对定位与基于地标的绝对定位进行传感器融合，实现车辆定位的稳定性、准确性。路径规划算法同时兼备实时性与安全性提高了自动驾驶的安全性。
附图说明
图1是本发明的结构图。
图2是PMP迭代更新示意图。
图3是车辆简化示意图。
图中：1-导航层，2-DDX存储中心，3-DDX层，4-车辆层，5-虚拟仿真传感器数据，6-实时环境传感器数据，7-地理信息系统，8-世界模型，9-定位，10-运动规划，11-运动追踪。
具体实施方式
为了加深对本发明的理解，下面将结合附图和实施例对本发明做进一步详细描述，该实施例仅用于解释本发明，并不对本发明的保护范围构成限定。
实施例：如图1，一种自动驾驶实时导航系统架构，包括发布层/订阅层(DDX层)、车辆层、导航层，DDX层为中间层，车辆层为底层，导航层为顶层。
DDX层包括地理信息系统、DDX存储中心。DDX提供一种有效的通信机制，实现多个进程间的数据共享，并且使用UDP/IP通信协议来确定不同存储介质中包含信息的一致性。地理信息系统主要提供环境的静态信息：道路的几何、拓扑形状信息，交通灯，交通标志等。存储中心主要存储下列四种数据结构。
图3是车辆简化示意图。
1)车辆模型：
设A表示车辆。A的状态表达为一个5元数组(x，y，θ，v，ξ)，其中(x，y)表示后轴中点的坐标，θ为主航向角，v为后轮的线速度，ξ为前轮的航向角；A的控制主要依靠二元数组(α、γ)，α为后轮线性加速度，γ为转向速度。A的运动控制方程如下：
其中，α∈(αmin，αmax)，γ∈[γmin，γmax]，|ξ|≤ξmax，L是A的轴距。
2)局部运动规划
在动态环境中，即使车辆本身处于静止状态，也可能会被一个正在移动的物体碰撞。此时，需要对车辆施加实时约束，即规定时间段内决定车辆未来的行动方向。该时间段是环境动态性的函数，直接与运动物体和机器人系统的动力学有关。如前所述，PMP是一种明确考虑实时约束的规划方案：当规定时间段结束时，PMP被中断，返回局部运动规划结果，不一定到达最终目标。所以，有必要迭代局部运动规划过程，直到达到最终目标。PMP的迭代必不可少，因为未来的模型是基于预测的，并且在大多数情况下预测的有效性持续时间是有限的。迭代过程允许以给定的频率更新预测，从而侧重考虑到环境的实时动态特性。图2为PMP迭代周期。运动规划迭代从ti时刻开始，包括三个步骤：
(1)根据世界模型获得下一时刻的更新模型；
(2)采用增量搜索的方法搜索A的状态、时间空间，ti+1＝ti+δp，其中δp为已规划的增量时间；
(3)在ti+1时刻，将离散化信息存放在DDX存储仓库中。
PMP过程不断迭代，直到目标状态的邻域。该方法基于快速搜索随机树(RRT)技术，采用增量搜索方法对状态空间进行搜索，本质上是渐进的，可以随时被中断。特别地，RRT可以计算无碰撞轨迹，使用不可避免冲突状态检查器可以确保A永远未来某个时刻发生碰撞。
车辆层包括实时车辆状态、虚拟仿真车辆状态。实时车辆采用一种轻型电动汽车，可以使用操纵旋钮驱动，也可以实施计算机控制，配备各种传感器，如GPS、IMU、摄像头、激光雷达、毫米波雷达等，采用Ubuntu下的工控机对车辆进行整体控制。虚拟仿真车辆设计基于模拟器仿真引擎，允许对车辆、传感器及其环境进行仿真，方便在动态环境中进行自动驾驶算法的设计和测试，如图2所示。
1)车辆相关：
状态：编码器值，车轮速度等；
指令：执行器命令(速度、转向角度)；
位姿：车辆的位置和方向。
2)地标：观察到的显著环境特征地标位置，主要用于绝对定位。
3)轨迹：车辆要执行的标称轨迹。表示为一对(状态，时间)序列。
4)移动对象：环境中观察到的运动对象，其特征包括形状、位置、方向和速度。
导航层包括世界模型、定位、运动规划和运动追踪模块。世界模型建立一个用于自动导航的车辆环境模型，GIS提供环境的静态信息，车载传感器提供动态信息，未来模型提供运动对象未来行为信息。定位模块使用车轮编码器数据和标准扩展卡尔曼滤波器(EKF)实现里程计定位；将GIS中获得的先验地标数据与观测到的实时地标数据进行匹配，实现基于地标的定位；使用三角测量计算实时观测地标与先验地标的方位角，实现车辆航向角的测量；最后，利用EKF方法将里程计相对定位与基于地标的绝对定位进行传感器融合，实现车辆定位的稳定性、准确性。运动规划模块基于局部运动规划(PMP)和不可避免碰撞状态(ICS)，将世界模型提供的预测量作为输入，计算生成规划轨迹，并其存入DDX存储库中。运动追踪模块从DDX存储器中获取当前、期望状态值，解算车辆当前状态和期望状态之间的最小化误差，采用特定的运动控制模型，进行自动驾驶车辆的精确控制。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种自动驾驶实时导航系统架构，其特征在于，包括发布层/订阅层(DDX层)、车辆层、导航层，所述DDX层为中间层，所述车辆层为底层，所述导航层为顶层，所述DDX层包括地理信息系统、DDX存储中心，所述DDX层中使用UDP/IP通信协议。
2.根据权利要求1所述的自动驾驶实时导航系统架构，其特征在于：所述车辆层包括实时车辆状态、虚拟仿真车辆状态。
3.根据权利要求2所述的自动驾驶实时导航系统架构，其特征在于：所述实时车辆采用轻型电动汽车，所述车辆使用操纵旋钮驱动，或实施计算机控制，车辆内部设置有GPS、IMU、摄像头、激光雷达、毫米波雷达，采用Ubuntu下的工控机对车辆进行整体控制。
4.根据权利要求3所述的自动驾驶实时导航系统架构，其特征在于：所述系统内部设置有模拟器仿真引擎。
5.根据权利要求4所述的自动驾驶实时导航系统架构，其特征在于：所述导航层包括世界模型、定位、运动规划和运动追踪模块。
6.根据权利要求5所述的自动驾驶实时导航系统架构，其特征在于：所述世界模型建立一个用于自动导航的车辆环境模型，所述车辆环境模型内部设置有GIS系统、车载传感器、未来模型。
7.根据权利要求6所述的自动驾驶实时导航系统架构，其特征在于：所述定位模块使用车轮编码器数据和标准扩展卡尔曼滤波器，所述定位模块内部采用有三角测量计算方式，所述定位模块内部利用EKF方法将里程计相对定位与基于地标的绝对定位进行传感器融合。
8.根据权利要求7所述的自动驾驶实时导航系统架构，其特征在于：所述运动规划模块与DDX存储中心、世界模块连接，所述运动规划模块内部设置为局部运动规划和不可避免碰撞状态。
9.根据权利要求8所述的自动驾驶实时导航系统架构，其特征在于：所述运动追踪模块与所述DDX存储器连接，所述运动追踪模块内部设置有特定的运动控制模型，进行自动驾驶车辆的精确控制。
CN201910691916.9A 2019-07-29 2019-07-29 一种自动驾驶实时导航系统架构 Pending CN110375751A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910691916.9A CN110375751A (zh) 2019-07-29 2019-07-29 一种自动驾驶实时导航系统架构

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910691916.9A CN110375751A (zh) 2019-07-29 2019-07-29 一种自动驾驶实时导航系统架构

Publications (1)

Publication Number Publication Date
CN110375751A true CN110375751A (zh) 2019-10-25

Family

ID=68256790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910691916.9A Pending CN110375751A (zh) 2019-07-29 2019-07-29 一种自动驾驶实时导航系统架构

Country Status (1)

Country Link
CN (1) CN110375751A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112362069A (zh) * 2020-11-16 2021-02-12 浙江大学 一种模块化自动驾驶算法开发验证系统和验证方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104994166A (zh) * 2015-07-10 2015-10-21 李德毅 智能车分布式进程虚拟交换机通信方法
CN105551284A (zh) * 2016-01-29 2016-05-04 武汉光庭科技有限公司 一种开放式自动驾驶系统
CN105730453A (zh) * 2016-03-01 2016-07-06 北京联合大学 基于三层架构的智能汽车交互系统及设计方法
CN107506830A (zh) * 2017-06-20 2017-12-22 同济大学 面向智能汽车规划决策模块的人工智能训练平台
CN107864694A (zh) * 2016-07-21 2018-03-30 百度时代网络技术（北京）有限公司 用于操作无人驾驶车辆的计算节点当中的有效通信
CN108011947A (zh) * 2017-11-30 2018-05-08 湖北汽车工业学院 一种车辆协作式编队行驶系统
US20190012909A1 (en) * 2016-01-03 2019-01-10 Yosef Mintz System and methods to apply robust predictive traffic load balancing control and robust cooperative safe driving for smart cities
CN109324539A (zh) * 2018-08-28 2019-02-12 山东省科学院自动化研究所 一种自动驾驶封闭测试场的智能控制平台及方法
CN109398091A (zh) * 2018-09-20 2019-03-01 爱驰汽车有限公司 电动汽车的车辆模式架构设计方法及系统、存储介质及终端
CN109460042A (zh) * 2018-12-29 2019-03-12 北京经纬恒润科技有限公司 一种自动驾驶控制方法及系统
US20190113919A1 (en) * 2017-10-18 2019-04-18 Luminar Technologies, Inc. Controlling an autonomous vehicle using smart control architecture selection
CN109992272A (zh) * 2017-12-28 2019-07-09 上海擎感智能科技有限公司 导航引擎共享方法、智能终端、服务器及自动驾驶车辆

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104994166A (zh) * 2015-07-10 2015-10-21 李德毅 智能车分布式进程虚拟交换机通信方法
US20190012909A1 (en) * 2016-01-03 2019-01-10 Yosef Mintz System and methods to apply robust predictive traffic load balancing control and robust cooperative safe driving for smart cities
CN105551284A (zh) * 2016-01-29 2016-05-04 武汉光庭科技有限公司 一种开放式自动驾驶系统
CN105730453A (zh) * 2016-03-01 2016-07-06 北京联合大学 基于三层架构的智能汽车交互系统及设计方法
CN107864694A (zh) * 2016-07-21 2018-03-30 百度时代网络技术（北京）有限公司 用于操作无人驾驶车辆的计算节点当中的有效通信
CN107506830A (zh) * 2017-06-20 2017-12-22 同济大学 面向智能汽车规划决策模块的人工智能训练平台
US20190113919A1 (en) * 2017-10-18 2019-04-18 Luminar Technologies, Inc. Controlling an autonomous vehicle using smart control architecture selection
CN108011947A (zh) * 2017-11-30 2018-05-08 湖北汽车工业学院 一种车辆协作式编队行驶系统
CN109992272A (zh) * 2017-12-28 2019-07-09 上海擎感智能科技有限公司 导航引擎共享方法、智能终端、服务器及自动驾驶车辆
CN109324539A (zh) * 2018-08-28 2019-02-12 山东省科学院自动化研究所 一种自动驾驶封闭测试场的智能控制平台及方法
CN109398091A (zh) * 2018-09-20 2019-03-01 爱驰汽车有限公司 电动汽车的车辆模式架构设计方法及系统、存储介质及终端
CN109460042A (zh) * 2018-12-29 2019-03-12 北京经纬恒润科技有限公司 一种自动驾驶控制方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WISDOM_BOB: "自动驾驶——模型预测控制（MPC）理解与实践", 《HTTPS://BLOG.CSDN.NET/QQ_42258099/ARTICLE/DETAILS/95353986》, pages 1 - 14 *
车云等: "《智能汽车：决战2020》", 北京理工大学出版社, pages: 197 - 198 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112362069A (zh) * 2020-11-16 2021-02-12 浙江大学 一种模块化自动驾驶算法开发验证系统和验证方法

Similar Documents

Publication Publication Date Title
Gao et al. Robust lateral trajectory following control of unmanned vehicle based on model predictive control
CN110244735B (zh) 移动机器人跟踪预定轨迹的启发式动态规划控制方法
CN103914068A (zh) 一种基于栅格地图的服务机器人自主导航方法
Adouane Reactive versus cognitive vehicle navigation based on optimal local and global PELC∗
CN112068574A (zh) 一种无人车在动态复杂环境中的控制方法及系统
CN110687908B (zh) 基于ros的园区无人车轨迹生成系统及其控制方法
Wu et al. Route planning and tracking control of an intelligent automatic unmanned transportation system based on dynamic nonlinear model predictive control
CN112651456B (zh) 基于rbf神经网络的无人车控制方法
Qi et al. Learning-based path planning and predictive control for autonomous vehicles with low-cost positioning
Lee et al. Autonomous-driving vehicle control with composite velocity profile planning
CN108759822A (zh) 一种移动机器人3d定位系统
CN111290400B (zh) 一种车队协同驾驶拆分控制方法
Gao et al. Cloud model approach for lateral control of intelligent vehicle systems
Darweesh et al. Openplanner 2.0: The portable open source planner for autonomous driving applications
Yang et al. Automatic Parking Path Planning of Tracked Vehicle Based on Improved A* and DWA Algorithms
CN110375751A (zh) 一种自动驾驶实时导航系统架构
Leng et al. Deep reinforcement learning-based drift parking control of automated vehicles
CN113419521A (zh) 一种自动驾驶车辆局部避障路径的规划及跟踪方法
Ventura Safe and flexible hybrid control architecture for the navigation in formation of a group of vehicles
CN114571460A (zh) 机器人控制方法、装置及存储介质
CN113829351A (zh) 一种基于强化学习的移动机械臂的协同控制方法
CN114200926B (zh) 一种无人驾驶车辆的局部路径规划方法及系统
Zhao et al. Nonlinear terminal-free MPC on multitype bend tracking with discontinuous reference paths for autonomous vehicles
Paz-Delgado et al. Combined path and motion planning for workspace restricted mobile manipulators in planetary exploration
Huang et al. Dynamic model construction and simulation based on intelligent driving vehicle

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191025